密度峰值聚类的全尺度相关滤波跟踪方法

摘要：

针对背景感知相关滤波算法对目标进行尺度预测时采用图像金字塔,在跟踪过程中需要根据多尺度的目标样本训练出跟踪滤波器,导致跟踪过程中存在计算开销大、跟踪速度慢的问题,提出了一种基于密度峰值聚类的全尺度跟踪方法.分别提取搜索区域中目标和背景的特征信息,通过密度峰值聚类方法分别对目标和背景进行聚类;通过单尺度的滤波器对目标位置进行粗预测,并通过交替方向乘子法(ADMM)降低滤波器训练的时间复杂度;对搜索区域中的前景点和背景点进行分类,并根据尺度置信度得到目标的最终位置与尺度.该算法和目前一些主流的跟踪算法在公共数据集通过在OTB2013、OTB2015和DTB70上进行实验,在有效提高跟踪速度的前提下,面对旋转、遮挡等多种复杂情况时的跟踪效果较好、跟踪成功率较高,满足实时性要求.

关键词：目标跟踪、相关滤波、密度峰值聚类、计算机视觉

所属期刊栏目：59

分类号：TP301.6(计算技术、计算机技术)

资助基金：辽宁省教育厅科学技术研究项目LJ2020JCL023

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：131-139